算法流程可分为以下3个步骤：首先通过将图像输入网络得到相应的特征图。然后使用RPN结构生成候选框并将其投影到特征图上以获得相应的特征矩阵。RPN网络结构见图211实际分为2部分一部分通过softmax分类anchors获得positive和negative分类另一部分用于计算对于anchors的bounding box regression偏移量以获得精确的proposal。而最后的Proposa

为了完成目标检测，我们需要进行以下三个步骤：首先，将图像输入到网络中，得到相应的特征图。接着，使用RPN结构生成候选框，并将其映射到特征图上，以获取相应的特征矩阵。RPN网络结构包括两部分：一部分通过softmax分类anchors，得到positive和negative分类；另一部分用于计算对于anchors的bounding box regression偏移量，以获得精确的proposal。最后，Proposal层综合positive anchors和对应bounding box regression偏移量获取proposals，同时剔除太小和超出边界的proposals。在Proposal Layer这里，整个网络已经完成了目标检测中的定位功能。然后，通过ROI pooling层将每个特征矩阵缩放到7x7大小的特征图，并将其展平。最后，通过一系列全连接层，得到预测结果。